Evaluation der Maßnahmen zur Umsetzung der Vorschläge der - Infas
Evaluation der Maßnahmen zur Umsetzung der Vorschläge der - Infas
Evaluation der Maßnahmen zur Umsetzung der Vorschläge der - Infas
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Bericht 2006 - Modul 1b: För<strong>der</strong>ung beruflicher Weiterbildung und Transferleistungen<br />
IZA, DIW Berlin, infas<br />
Vergleich zwischen <strong>der</strong> Gruppe <strong>der</strong> Teilnehmer und <strong>der</strong> Kontrollgruppe <strong>der</strong> Nichtteilnehmer<br />
ermitteln.<br />
Teilnehmer und Matching-Partner stimmen jeweils exakt zumindest im Hinblick auf<br />
die Merkmale Geschlecht, Arbeitsmarktregion (Strategietyp) und Dauer <strong>der</strong><br />
vorherigen Arbeitslosigkeitsdauer 37 zum Zeitpunkt des Maßnahmeeintritts des<br />
Teilnehmers überein. Nichtteilnehmer, die zu einem späteren Zeitpunkt in dieselbe<br />
Maßnahme eintreten wie <strong>der</strong> zugehörige Teilnehmer, werden zum Zeitpunkt des<br />
Maßnahmeeintritts als zensierte Beobachtungen behandelt. So ist gewährleistet,<br />
dass für die Kontrollgruppe unverzerrte Schätzungen <strong>der</strong> Abgangsraten aus<br />
Arbeitslosigkeit gewonnen werden können.<br />
Über das exakte Matching hinaus werden Teilnehmer und Nichtteilnehmer mit Hilfe<br />
eines Propensity-Score-Matchings gematcht. Dieses berücksichtigt neben soziodemografischen<br />
Charakteristika den individuellen Erwerbsverlauf und Einkommensinformationen.<br />
Idealerweise sollte das exakte Matching so viele Variablen wie wie<br />
möglich umfassen. Allerdings wird die Dimensionalität des Matching-Problems<br />
wegen <strong>der</strong> Ausdifferenziertheit <strong>der</strong> Beschäftigungsverläufe rasch sehr hoch. Dadurch<br />
kann das so genannte Common-Support-Problem auftreten. Dies bedeutet, dass es<br />
zu einem <strong>Maßnahmen</strong>teilnehmer keine ausreichende Zahl von Nichtteilnehmern gibt,<br />
die die gleiche relevante Merkmalskombination aufweisen. Hier stellt das Propensity-<br />
Score-Matching einen praktikablen Ausweg dar, indem an Stelle eines hochdimensionalen<br />
Merkmalsvektors eine eindimensionale Projektion auf Basis <strong>der</strong> zu berücksichtigenden<br />
Merkmale verwendet wird. Der Propensity-Score bezeichnet die Wahrscheinlichkeit<br />
<strong>der</strong> <strong>Maßnahmen</strong>teilnahme. Diese lässt sich mit Hilfe eines Discrete-<br />
Choice-Modells schätzen. Bei Anwendung des Propensity-Score-Verfahrens wird die<br />
Zuordnung von Teilnehmern und Nichtteilnehmern anhand <strong>der</strong> Ähnlichkeit des Propensity-Scores<br />
vorgenommen. Die Logik dahinter besagt, dass ein Nicht-Teilnehmer,<br />
<strong>der</strong> den gleichen Propensity-Score aufweist wie ein Teilnehmer, mit <strong>der</strong> gleichen<br />
Wahrscheinlichkeit in die Maßnahme hätte eintreten können wie <strong>der</strong> Teilnehmer, es<br />
aus rein zufälligen Gründen aber nicht dazu kam. Solange die Voraussetzung <strong>der</strong><br />
bedingten Unabhängigkeit erfüllt ist, liefert dieses Verfahren unverzerrte<br />
Schätzungen <strong>der</strong> Programmeffekte.<br />
Die Annahme <strong>der</strong> bedingten Unabhängigkeit besagt, dass es keine unbeobachteten<br />
Charakteristika gibt, durch die sich ein Teilnehmer und <strong>der</strong> ermittelte Nichtteilnehmer<br />
systematisch unterscheiden und die die Programmteilnahme o<strong>der</strong> den Arbeitsmarkterfolg<br />
beeinflussen. Ist diese Voraussetzung nicht erfüllt, können die geschätzten<br />
37 Die vorangehende Arbeitslosigkeitsdauer wurde aus pragmatischen Gründen klassifiziert. Für<br />
Dauern unter zwei Jahren wurden entsprechende Monatsintervalle verwandt. Dauern über<br />
zwei Jahre wurden in einer Sammelkategorie zusammengefasst.<br />
103